因果模型路线图
一句话定位：本文档是整个因果模型笔记体系的导航地图，定义各主题之间的层级关系、依赖顺序与学习方法。
前置依赖：无
整体架构
7-因果模型篇/
├── 0-总导航
│ ├── 0-因果模型路线图.md ← 本篇：整体地图
│ ├── 1-阅读顺序.md ← 推荐学习路径
│ ├── 2-术语表.md ← 统一符号与术语
│ └── 3-目录治理规则.md ← 笔记维护规范
│
├── 1-因果基础框架
│ ├── 1-因果到底是什么/ ← 因果思想入门
│ │ ├── 1-关联、干预与反事实.md
│ │ └── 2-因果效应与统计相关.md
│ ├── 2-三大框架/ ← 理论基础
│ │ ├── 1-潜在结果框架.md
│ │ ├── 2-结构因果模型SCM.md
│ │ └── 3-因果图DAG.md
│ ├── 3-核心工具/ ← 操作化工具
│ │ ├── 1-do算子.md
│ │ ├── 2-可辨识性.md
│ │ ├── 3-反事实推理.md
│ │ └── 4-混杂与选择偏差.md
│ └── 4-因果推断基础/ ← 基础推断方法
│ ├── 1-ATE、ATE、CATE、ITE.md
│ ├── 2-前门后门准则.md
│ └── 3-协变量调整.md
│
├── 2-因果发现
│ ├── 1-静态因果发现/ ← 约束式与评分式
│ │ ├── 1-PC算法.md
│ │ ├── 2-GES算法.md
│ │ └── 3-约束式与评分式方法.md
│ ├── 2-连续优化类/ ← 基于梯度的因果发现
│ │ ├── 1-GES与NOTEARS.md
│ │ └── 2-DAG约束优化.md
│ ├── 3-时间序列因果发现/ ← 动态因果
│ │ ├── 1-时序因果图.md
│ │ └── 2-动态因果发现方法.md
│ └── 4-评测与数据/ ← 基准与评测
│ ├── 1-因果发现评测指标.md
│ └── 2-合成数据与基准.md
│
├── 3-因果表示学习
│ ├── 1-因果表示学习基础/ ← CRL 核心理论
│ │ ├── 1-为什么需要因果表示.md
│ │ └── 2-可辨识性问题.md
│ ├── 2-多视图与部分可观测/ ← 实际场景挑战
│ │ ├── 1-Multi-View CRL.md
│ │ ├── 2-Partial Observability下的CRL.md
│ │ └── 3-Sparsity Principle.md
│ ├── 3-生成式与解耦/ ← 生成式 CRL
│ │ ├── 1-因果生成模型.md
│ │ ├── 2-可控反事实生成.md
│ │ └── 3-解耦表示与因果变量.md
│ └── 4-科学计算与动力系统/ ← 科学应用
│ ├── 1-CRL与动力系统结合.md
│ └── 2-可解释隐变量动力学.md
│
├── 4-因果推断与稳定性
│ ├── 1-OOD与不变性/ ← OOD 泛化
│ │ ├── 1-Invariant Risk Minimization.md
│ │ └── 2-不变表示学习.md
│ ├── 2-分布偏移/ ← 偏移类型与应对
│ │ ├── 1-协变量偏移.md
│ │ ├── 2-标签偏移.md
│ │ └── 3-环境变化下的稳健学习.md
│ └── 3-因果推断进阶/ ← 高级方法
│ ├── 1-工具变量.md
│ ├── 2-中介分析.md
│ └── 3-敏感性分析.md
│
├── 5-因果强化学习
│ ├── 1-因果与RL的接口/ ← 基础连接
│ │ ├── 1-动作即干预.md
│ │ └── 2-MDP与因果图.md
│ ├── 2-因果强化学习综述/ ← 综述与方法
│ │ ├── 1-CRL综述A.md
│ │ └── 2-CRL综述B.md
│ ├── 3-解释性RL/ ← 可解释性
│ │ ├── 1-因果视角下的可解释RL.md
│ │ └── 2-因果链解释.md
│ └── 4-因果决策/ ← 因果辅助决策
│ ├── 1-因果辅助探索.md
│ └── 2-因果策略泛化.md
│
├── 6-因果世界模型
│ ├── 1-因果世界模型基础/ ← 概念定义
│ │ ├── 1-什么是因果世界模型.md
│ │ └── 2-世界模型与因果模型的区别.md
│ ├── 2-关键论文/ ← 核心论文精读
│ │ ├── 1-Causal World Models by Unsupervised Deconfounding.md
│ │ ├── 2-Explainable RL via a Causal World Model.md
│ │ ├── 3-Causally Disentangled World Models.md
│ │ └── 4-Embodied AI中的因果世界模型.md
│ └── 3-交叉方向/ ← 跨领域应用
│ ├── 1-LLM与因果世界模型.md
│ └── 2-规划中的反事实模拟.md
│
├── 7-实验复现与工程实现
│ ├── 1-复现笔记模板.md
│ ├── 2-图模型与因果推断实验配置.md
│ ├── 3-因果发现代码结构.md
│ ├── 4-常见bug与调参.md
│ └── 5-实验记录格式.md
│
└── 8-科研问题与开放方向
├── 1-因果模型的关键难点.md
├── 2-因果表示学习的瓶颈.md
├── 3-反事实生成与可解释性.md
├── 4-因果世界模型的开放问题.md
└── 5-适合做小课题的问题清单.md
层级关系说明
第一层：模块划分
- 1-因果基础框架：理论地基，涵盖三大框架（潜在结果、SCM、DAG）与核心工具（do-calculus、可辨识性、反事实）
- 2-因果发现：从数据中自动挖掘因果图，涵盖约束式、评分式、连续优化三大范式
- 3-因果表示学习：将高层因果变量与深度学习表示结合，解决”隐变量因果化”问题
- 4-因果推断与稳定性：关注因果模型在分布偏移下的稳健性与 OOD 泛化
- 5-因果强化学习：将因果思想引入 RL，动作=干预，因果图增强探索与泛化
- 6-因果世界模型：世界模型+因果结构，支持反事实模拟与规划
- 7-实验复现与工程实现：代码层面的实践积累
- 8-科研问题与开放方向：梳理开放问题与可做的小课题
第二层：同级组织原则
每个模块下按”子主题→子笔记”拆散，不搞”一篇讲完”的大而全文章。例如：
1-因果基础框架/3-核心工具/1-do算子.md— 单独讲 do 算子1-因果基础框架/3-核心工具/2-可辨识性.md— 单独讲可辨识性1-因果基础框架/3-核心工具/3-反事实推理.md— 单独讲反事实
第三层：同一主题的继续拆分
当某个笔记内容仍过多时，继续分子文件夹。例如：
2-因果发现/下有1-静态因果发现/、2-连续优化类/、3-时间序列因果发现/、4-评测与数据/3-因果表示学习/下有1-因果表示学习基础/、2-多视图与部分可观测/、3-生成式与解耦/、4-科学计算与动力系统/
依赖路径（主路径）
0-总导航
↓
1-因果基础框架/1-因果到底是什么/
→ 1-因果基础框架/2-三大框架/
→ 1-因果基础框架/3-核心工具/
→ 1-因果基础框架/4-因果推断基础/
↓
2-因果发现/（静态 → 连续优化 → 时序）
↓
3-因果表示学习/（基础 → 多视图 → 生成式 → 科学计算）
↓
4-因果推断与稳定性/（不变性 → 分布偏移 → 进阶）
↓
5-因果强化学习/
↓
6-因果世界模型/
关键连接点
| 衔接点 | 前置内容 | 引出内容 |
|---|---|---|
| do-calculus | DAG / SCM 框架 | 因果推断基础、前门后门准则 |
| 可辨识性 | do-calculus、混杂控制 | 因果发现算法评价、IRM |
| 反事实推理 | 潜在结果框架、SCM | 可控反事实生成、因果世界模型 |
| 因果表示学习 | SCM、DAG | 因果生成模型、多视图 CRL |
| IRM | 不变性因果、可辨识性 | 分布偏移下稳健学习 |
| 因果强化学习 | MDP、动作=干预 | 因果世界模型、规划 |
符号约定（详见 2-术语表）
| 符号 | 含义 |
|---|---|
| 在给定 | |
| 干预分布 | |
| 潜在结果， | |
| 因果 DAG | |
| 节点 | |
| 强制 |
关键词
因果模型路线图 | 笔记体系 | 学习路径 | 层级结构 | 依赖关系